-
公开(公告)号：CN115116263A
公开(公告)日：2022-09-27
申请号：CN202210656002.0
申请日：2022-06-10
Applicant: 桂林电子科技大学
Abstract: 本发明涉及室内导航技术领域，具体涉及一种基于UWB技术的车库灯光导航系统及方法；包括UWB定位模块、红外模块、灯光引导模块、微控制器和无线通讯模块，根据事先对车库的建模数据以及基站子模块对车辆进行高精度定位，并通过无线通讯模块将车辆位置实时传输至微控制器，根据微控制器通过无线通讯模块传回的车辆定位和红外模块所检测出的空车位信息，对入库车辆进行最短路线规划，灯光引导模块根据已规划的路线被微控制器点亮相应灯带，车辆行驶过的路径上的灯带跟随熄灭，等待新的路径点亮命令，从而快速引导车辆在车库内停车，智能化程度更高。
-
公开(公告)号：CN110532904B
公开(公告)日：2022-08-05
申请号：CN201910743853.7
申请日：2019-08-13
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种车辆识别方法，将细粒度车型识别和车辆再识别融为一体，在无法获得车辆车牌信息的情况下，可以在多个场景图片中快速定位待检索车辆，极大地提高了车辆检索的速度和准确性，在处理包括提高收费效率、裁定交通责任和追踪肇事逃逸者等交通问题上有着得天笃厚的优势，对于智能交通系统的建设具有重要意义。
-
公开(公告)号：CN113884935A
公开(公告)日：2022-01-04
申请号：CN202111288182.3
申请日：2021-11-02
Applicant: 桂林电子科技大学
IPC: G01R31/392
Abstract: 本发明公开基于锂电池在线电化学阻抗谱测量的SOH估算系统和方法，测量电池不同老化循环次数下的电化学阻抗谱和电池开路电压；使用灰色关联度对电化学阻抗谱进行特征选择；建立并训练机器学习模型；采集被测电池数据进行SOH估算。本发明通过对电池电化学阻抗谱进行分析，得到相关的特征参数，避免了复杂等效电路模型的参数辨识。本发明可完成对电池的电化学阻抗谱测量和电池SOH的估算，提高了系统的集成度和可靠性。
-
公开(公告)号：CN108445406B
公开(公告)日：2021-05-25
申请号：CN201810205365.6
申请日：2018-03-13
Applicant: 桂林电子科技大学
IPC: G01R31/385 , G01R31/392 , G01R31/367
Abstract: 本发明公开一种动力电池健康状态估计方法，由采集电池恒流充电的电池电压V、电流I、时间t求得充电容量Q、建立V‑Q关系曲线、容量增量曲线峰值及峰值位置信息获取、RBF神经网络建立、粒子群算法训练RBF神经网络模型、利用已经生成的RBF神经网络估计电池健康状态几个步骤组成。本发明在不需要建立电动汽车动力电池等效电路的情况下，通过数据驱动的方式建立恒流充电的容量增量曲线峰值、峰值位置与电池健康状态的映射关系，提高估计精度，实现在线实时估计，可以实现电池组整体估计。
-
公开(公告)号：CN111083632A
公开(公告)日：2020-04-28
申请号：CN201911255480.5
申请日：2019-12-10
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于支持向量机的超宽带室内定位方法，首先将待定位区域的TDOA值和TDOA值对应的用户位置采集一定的数量，然后将采集到的数据集按照4:1划分为训练集和测试集两部分，之后进行归一化处理之后输入支持向量机中，不断地进行交叉验证选择最佳参数c&g，根据交叉验证的平均正确率排序，选择分类正确率最高的参数组合作为模型的最优参数，将得到的最佳参数和训练集输入支持向量机中，即可得到支持向量机模型，在支持向量机模型训练好之后，在解算坐标的过程中只需要将采集到的TDOA值输入训练好的支持向量机模型就可以解算出实时的坐标，结果表明本算法相比于传统定位算法在高密度定位环境下实时性和定位精度要优于传统算法。
-
Patent Agency Ranking
公开(公告)号：CN106291604A
公开(公告)日：2017-01-04
申请号：CN201610626070.7
申请日：2016-08-02
Applicant: 桂林电子科技大学 , 中国电子科技集团第五十四研究所
Abstract: 本发明公开一种卫星导航信号接收机的改进码跟踪方法及环路，利用最小二乘算法和卡尔曼滤波算法相结合的方法对跟踪环中的码环进行改进和优化，通过最小二乘算法对所有相关支路的相干积分结果进行处理，构造出一组无偏、均方误差和最小和空间分布确定的新的观测点，并用于后续的线性卡尔曼滤波，求出直达信号和多径信号的码相位，使卡尔曼滤波算法的精度更高、灵敏度更高。此外，还提出在码环卡尔曼滤波模块中加入发散控制模块，以判别并抑制滤波器发散。因此本发明能够在有效抑制多径干扰的同时，跟踪更低信噪比的弱卫星导航信号，同时拥有更高的码跟踪精度。
-
公开(公告)号：CN103675706B
公开(公告)日：2016-04-13
申请号：CN201310680956.6
申请日：2013-12-13
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为一种动力电池电荷量估算方法，步骤如下：Ⅰ、开路电压法取得SOC与开路电压的函数关系；Ⅱ、测得SOC的初值；Ⅲ、采样和取得无迹卡尔曼滤波的SOC估算初值；Ⅳ、根据电池状态方程和观测方程，进行无迹卡尔曼滤波的UT变换的Sigma点采样，得到观测量的预估值，估算动力电池下一时刻的SOC估算值和协方差。本发明采用开路电压法和无迹卡尔曼滤波相互配合进行SOC估算，估算的精度高，用开路电压法得到SOC初始值，并进行SOC估算修正，提高了估算精度，无迹卡尔曼滤波无线性化近似过程，减少了误差，计算速度快，提高了SOC估算效率。
-
公开(公告)号：CN119961868A
公开(公告)日：2025-05-09
申请号：CN202510120342.5
申请日：2025-01-25
Applicant: 桂林电子科技大学
IPC: G06F18/25 , G01R31/392 , G01R31/367 , G06N3/043 , G06N3/048 , G06F18/213 , G06N3/084 , G06N3/047
Abstract: 本发明公开了融合模糊系统和深度学习的锂离子电池健康管理方法，如下：步骤一、构建物理信息和模糊混合深度学习模型；步骤二、训练物理信息和模糊混合深度学习模型，训练样本的特征输入全连接深度神经网络，得潜在解；计算潜在解对每个输入特征的偏微分；其中非标记特征的偏微分、输入特征、以及潜在解的任意组合输入TSK模糊系统，通过函数F将潜在解对标记特征的偏微分与TSK模糊系统输出融合；基于损失函数，采用反向传播方法训练物理信息和模糊混合深度学习模型，训练好得到优化模型；步骤三、预测锂离子健康状态。该方法将TSK模糊系统取代深度神经网络表示物理信息神经网络的非线性动力学，提高锂离子电池健康状态估计的精确度。
-
-
公开(公告)号：CN110632528B
公开(公告)日：2021-08-31
申请号：CN201911066210.X
申请日：2019-11-04
Applicant: 桂林电子科技大学
IPC: G01R31/392 , G01R31/389
Abstract: 本发明公开一种基于内阻检测的锂电池SOH估算方法，通过直流放电法检测锂电池内阻，并得到相关的健康因子特征参数，该特征参数能够有效地表征电池健康状态的变化趋势，并建立电池健康因子与实际健康状态的RBF神经网络模型，避免了复杂等效电路模型的建立，且SOH估算的精度和泛化性可以达到平衡。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.041 seconds)
